前言
那么身为一个在职场打拼、会抓热点、有技术控的编辑,怎样做一次不妖艳,不从众的八卦研究呢?今天小编就为大家秀一把新学的技能:用python完成一次与众不同的八卦。
本文以奥运数据为导向进行体育明星特点分析,同时也是一个免费的数据技能教程,适合所有数据初学者,具体包括:
1、数据哪里找?——网页数据获取
2、体育明星肉体观看指南——python数据清洗、分析与简单建模
3、体育明星CP——数据结果快速可视化
4、总结报告——收集和展示数据结论
PS:如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取
可以免费领取源码、项目实战视频、PDF文件等
01
一个头疼的问题
——鲜肉数据哪里找?
获取研究主题的网页数据是一种最常用的数据收集方法。奥运会可说是一个综合度高,信息齐全的主题。百度一下,很快能找到相关信息网站:网易奥运数据库。
打开网站源代码,会发现所有的网站数据都记录在内:
网易奥运数据库url:http://info.2016.163.com/athlete/list/
不需要会写html代码,只要能使用ctrl+f找到你需要的数据,并用三方软件写脚本,十分钟就能获取所有上一届奥运会运动员的csv数据:
写好爬虫脚本即可快速获取运动员从csv数据
当然,本次小编获取的数据已经打包在文末的教程里了,不用谢。
02
体育明星肉体比拼
——谁是我的菜?
做完必要的数据清洗,接下来小编要思考的是往什么方向做研究。说到肉体,身材匀称的长腿鲜肉的是最容易红的。哪个项目有最多的潜在网红?谁是大家都爱欣赏的最美肉体?小编思考一番,决定分别用BMI指数、手长、腿身比、年龄来描述身材匀称、长腿、鲜肉等指标。
调用python中的神器库pandas进行数据加载、清洗和分析,再使用matplotlib库中的组合图功能以及seaborn库中的美化功能,便可以快速美观地批量出图:
使用matplotlib库可以做组合图表,一键存图,自由度高,在前期可视化找结论的阶段很实用
一项数据研究的开始总会有很多脑洞,对这些小结论进行筛选的过程也是理解数据本身的过程
了解了基本情况,小编便决定按大众喜好制定以下四条评分规则,最后归一化处理,分别得出每个项目的运动员总评分评分分布情况:
1、BMI评估:最接近22,差值绝对值越小分数越高
2、腿长评估:计算与身高的比值,比值越大分数越高
3、手长评估:计算与身高的比值,比值越接近1分值越高
4、年龄评估:年龄越小分数越高
综合来看,跳水、拳击、游泳的整体表现比较好,且项目里均有几个肉体得分高的人。
那么究竟是哪些运动员有“最美肉体”,按照同样的逻辑,小编改了几行代码,很快地计算出每个运动员的评分和排名,并进行可视化:
按照小编的计算得出的“谁是大家都爱欣赏的最美肉体”TOP8运动员:
所以大家可以留心一下,你最喜欢的体育明星上榜了吗???钟爱游泳的小编当然不会放过国民网红傅园慧,97年的沈铎妹子接下来也会是小编的“重点关注对象”。
03
每一次大型赛事都是CP党的福利
——体育明星错综负载的关系网
网友们的眼中不只有比赛的激情,还有cp党的基情,先看看当年的搜索热度:
其实,明星圈的关系比你想象的复杂得多。而联系图,正是处理这些错综负载的关系的最好可视化方法。
继续使用python将明星cp数据处理成一一对应的格式,再使用可视化软件gephi快速可视化:
体育明星关系图,图中圆点大小代表cp数量大小,颜色代表不同项目的分组,连线粗细代表联系强弱。
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者:大鹏教你玩数据